| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-06-28 15:50 MDL原理に基づくNML符号長を用いた離散変数の因果探索 ○小林将理・西本洋紀・松島 慎（東大）  NC2022-21 IBISML2022-21 |
|
| 抄録 | （和） | 有限個の観測データのみから確率変数間の因果構造を推測することは，科学における重要な問題の一つである． 本稿では，離散変数データに対して，MDL原理に基づく多項分布モデルのNML符号長を用いた因果探索手法とBICを用いた手法を提案する．提案手法は2変数間の4通りの因果関係の推定を，直接モデル選択の問題として解くというアプローチを用いる．これらは離散変数の組に対する効率的かつ高精度な因果探索手法であり，特にNML符号長を用いたモデル選択手法は，より高い精度で因果関係の推定が行えることを人工データを使って示した． |
| （英） | Inference on the causal structure among random variables from only a finite number of observed data is one of the most important problems in science. This paper introduces causal inference methods for discrete variable data using NML code lengths for multinomial distribution models based on the MDL principle and BIC. These methods take an approach in which the estimation of a four-way causal relationship between two variables is directly solved as a model selection problem. We show that this approach is an efficient and accurate causal discovery method for discrete variable pairs using synthetic data. Further, we observed that the model selection method using the NML code length can estimate causal relationships with higher accuracy. |
|
| キーワード | （和） | 因果探索 / MDL原理 / NML符号長 / 離散変数 / BIC / ANMs / / |
| （英） | Causal Discovery / MDL Principle / Stochastic Complexity / Discrete Data / BIC / ANMs / / | |
| 文献情報 | 信学技報, vol. 122, no. 90, IBISML2022-21, pp. 149-155, 2022年6月. | |
| 資料番号 | IBISML2022-21 | |
| 発行日 | 2022-06-20 (NC, IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2022-21 IBISML2022-21 |
|
| 研究会情報 | |
| 研究会 | NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2022-06-27 - 2022-06-29 |
| 開催地（和） | 琉球大学50周年記念館 |
| 開催地（英） | |
| テーマ（和） | 機械学習によるバイオデータマイニング、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2022-06-NC-IBISML-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | MDL原理に基づくNML符号長を用いた離散変数の因果探索 |
| サブタイトル（和） | |
| タイトル（英） | Causal Discovery in Discrete Data Using NML Code Length Based on MDL Principle |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 因果探索 / Causal Discovery |
| キーワード(2)（和/英） | MDL原理 / MDL Principle |
| キーワード(3)（和/英） | NML符号長 / Stochastic Complexity |
| キーワード(4)（和/英） | 離散変数 / Discrete Data |
| キーワード(5)（和/英） | BIC / BIC |
| キーワード(6)（和/英） | ANMs / ANMs |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 小林 将理 / Masatoshi Kobayashi / コバヤシ マサトシ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Todai) |
| 第2著者 氏名（和/英/ヨミ） | 西本 洋紀 / Nishimoto Hiroki / ニシモト ヒロキ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Todai) |
| 第3著者 氏名（和/英/ヨミ） | 松島 慎 / Shin Mastushima / マツシマ シン |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Todai) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-06-28 15:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | NC2022-21, IBISML2022-21 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.89(NC), no.90(IBISML) |
| ページ範囲 | pp.149-155 |
| ページ数 | 7 |
| 発行日 | 2022-06-20 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]